随机森林使用bagging（选择观察样本而不是全部）和随机子空间方法（选择特征样本而不是所有特征，换句话说 -属性 bagging）来生长一棵树。如果观测的数量很大，但树的数量太少，那么有些观测将只预测一次，甚至根本不预测。如果预测变量的数量很大但树的数量太少，那么在所有使用的子空间中（理论上）可能会遗漏一些特征。这两种情况都会导致随机森林预测能力的下降。但最后一种情况是相当极端的，因为子空间的选择是在每个节点上执行的。

在分类过程中，子空间维度默认为（相当小，是预测变量的总数），但树包含许多节点。在回归期间，默认情况下子空间维数为（足够大），尽管树包含的节点较少。因此，随机森林中的最佳树数仅在极端情况下取决于预测变量的数量。$\sqrt{p}$$p$$p/3$

该算法的官方页面指出，随机森林不会过度拟合，您可以使用任意数量的树。但 Mark R. Segal（2004 年 4 月 14 日。“机器学习基准和随机森林回归。”生物信息学和分子生物统计学中心）发现它对一些嘈杂的数据集过度拟合。因此，为了获得最佳数量，您可以尝试在参数网格上训练随机森林ntree（简单，但更消耗 CPU）或构建一个包含许多树的随机森林keep.inbag，计算前棵树的袋外 (OOB) 错误率（其中从变为）并绘制 OOB 错误率与树数的关系（更复杂，但 CPU 消耗更少）。$n$$n$$1$ntree

随机森林中树的数量取决于数据集中的行数。在从 OpenML-CC18 基准测试中调整 72 个分类任务的树数时，我正在做一个实验。我在数据中的最佳树数和行数之间得到了这种依赖性：

根据这篇文章

他们建议随机森林应该有64 到 128 棵树之间的树数。这样，您应该在 ROC AUC 和处理时间之间取得良好的平衡。

如果你有超过 1000 个功能和 1000 行，我想添加一些东西，你不能只取随机数的树。

我建议您应该先检测 cpu 和 ram 的数量，然后再尝试启动交叉验证以查找它们与树数之间的比率

如果您在 python 中使用 sikit learn，您可以选择n_jobs=-1使用所有进程，但每个核心都需要数据副本的成本，之后您可以尝试这个公式

ntree = sqrt（行数*列数）/numberofcpu